CN113805234B - 在被动源地震数据中增强面波的处理方法 - Google Patents

在被动源地震数据中增强面波的处理方法 Download PDF

Info

Publication number
CN113805234B
CN113805234B CN202111190536.0A CN202111190536A CN113805234B CN 113805234 B CN113805234 B CN 113805234B CN 202111190536 A CN202111190536 A CN 202111190536A CN 113805234 B CN113805234 B CN 113805234B
Authority
CN
China
Prior art keywords
noise
passive source
causal
data
pseudo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111190536.0A
Other languages
English (en)
Other versions
CN113805234A (zh
Inventor
肖扬
郑伟
朱丽丽
郑革辉
杨涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Metallurgical Geological Exploration Institute
Original Assignee
Sichuan Metallurgical Geological Exploration Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Metallurgical Geological Exploration Institute filed Critical Sichuan Metallurgical Geological Exploration Institute
Priority to CN202111190536.0A priority Critical patent/CN113805234B/zh
Publication of CN113805234A publication Critical patent/CN113805234A/zh
Application granted granted Critical
Publication of CN113805234B publication Critical patent/CN113805234B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/362Effecting static or dynamic corrections; Stacking
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/30Noise handling
    • G01V2210/32Noise reduction

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种在被动源地震数据中增强面波的处理方法,包括:步骤S1,对原始被动源数据进行信噪分离。步骤S2,对分离后的噪声进行互相关计算,重建各检波点间的格林函数,形成拟炮集记录,并且同时保留拟炮集记录中的因果和非因果部分。步骤S3,将拟炮集记录的因果与非因果部分作为一个整体,再次进行信噪分离。步骤S4,将处理后的拟炮集记录中的因果与非因果部分叠加,从而增强拟炮集记录中的面波信号,且提取拟炮集记录的频散曲线并进行反演。借此,本发明的在被动源地震数据中增强面波的处理方法,可以有效增强被动源地震记录中的面波信号,提高了对浅地表地下介质成像的分辨率。

Description

在被动源地震数据中增强面波的处理方法
技术领域
本发明是关于被动源面波勘探技术领域,特别是关于一种在被动源地震数据中增强面波的处理方法。
背景技术
利用基于噪声互相关的被动源面波勘探方法对浅地表地下介质进行成像成为近年来的研究热点,然而环境中方向性噪声源突出等问题不可避免的会给面波频散测量带来偏差,极大地限制了被动源面波勘探的分辨率。针对如何抑制或消除突出的噪声源,有利用波束形成(Beamforming)方法来判断噪声的方位,然后有针对性的对方向性噪声源进行消除,然而,在噪声源广泛分布的地区(如城市),无法准确的消除存在的所有方向性噪声源,因此该方法很难达到理想的应用效果。也有利用时间域和频率域滤波等去噪方法来消除方向性噪声源的影响,但针对不同的被动源数据集,往往需要调整到最佳参数才能达到理想的效果,缺乏自适应性。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种在被动源地震数据中增强面波的处理方法,可以有效增强被动源地震记录中的面波信号,提高了对浅地表地下介质成像的分辨率。
为实现上述目的,本发明提供了一种在被动源地震数据中增强面波的处理方法,包括:步骤S1,对原始被动源数据进行信噪分离。步骤S2,对分离后的噪声进行互相关计算,重建各检波点间的格林函数,形成拟炮集记录,并且同时保留拟炮集记录中的因果和非因果部分。步骤S3,将拟炮集记录的因果与非因果部分作为一个整体,再次进行信噪分离。步骤S4,将处理后的拟炮集记录中的因果与非因果部分叠加,从而进一步增强拟炮集记录中的面波信号,且提取拟炮集记录的频散曲线并进行反演。
在本发明的一实施方式中,对原始被动源数据进行信噪分离包括:去除突出的相干信号,且保留分离后的噪声。
在本发明的一实施方式中,将拟炮集记录的因果与非因果部分作为一个整体,再次进行信噪分离包括:去除拟炮集记录中的噪声,增强有效的面波信号。
在本发明的一实施方式中,去除突出的相干信号,且保留分离后的噪声包括:
步骤S11,将原始被动源数据y进行连续小波变换转换为小波尺度图,然后利用峭度准则和区分高斯与非高斯分布的高阶统计量准则公式1,在尺度图中检测并去除纯粹由高斯噪声相关系数组成的尺度,该尺度为噪声和信号的组合:
其中Kurty为y的峭度,N为小波系数数量,α为置信度;
N个数据的观测小波系数Wy的峭度Kurt由公式2计算得到:
式中Kurty为y的峭度,N为小波系数数量,和/>分别为小波系数Wy的估计标准差和均值。
在本发明的一实施方式中,去除突出的相干信号,且保留分离后的噪声还包括:
步骤S12,基于广义交叉验证对预处理后的数据中的主要成分进行阈值化,广义交叉验证函数为:
其中Ty为预处理后的连续小波变换系数,是所使用阈值λ的阈值系数,N为小波系数数量,N0是所使用阈值λ归零的系数数量。
在本发明的一实施方式中,去除突出的相干信号,且保留分离后的噪声还包括:
步骤S13,对基于广义交叉验证阈值化后的数据再次进行连续小波变换,并使用硬阈值规则逐个尺度地对所有尺度的系数进行阈值化,阈值是使用公式4所示的通用阈值计算的:
其中λ为阈值,N为小波系数数量,σn=median(|Wy|)/0.6745。
在本发明的一实施方式中,去除突出的相干信号,且保留分离后的噪声还包括:
步骤S14,对阈值化的数据进行连续小波变换的逆变换即能够得到从原始数据y中分离出的突出的相干噪声yS,再从原始数据中减去突出的相干信号即能够得到需要保留的噪声,公式5:
yn=y-ys (5)
其中yn表示保留的噪声,y为原始的被动源数据集,ys为经上述处理步骤分离的突出的相干信号。
与现有技术相比,根据本发明的在被动源地震数据中增强面波的处理方法,可以有效增强被动源地震记录中的面波信号,提高了对浅地表地下介质成像的分辨率。
附图说明
图1是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的流程示意图;
图2是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的简易流程示意图;
图3是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的从原始数据中分离的背景噪声和突出的相干噪声事件示意图;
图4是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的原始数据和分离的背景噪声及突出的相干噪声事件对应的时频谱;
图5是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的原始数据相关形成的拟炮集记录(a)及其对应的频散曲线(b)的示意图;
图6是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的原始数据经信噪分离预处理后互相关形成的拟炮集记录(a)及其对应的频散曲线(b)的示意图;
图7是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的原始数据进行信噪分离预处理后再对其互相关形成的拟炮集记录进行去噪所形成的最终拟炮集记录(a)及其对应的频散曲线(b)的示意图;
图8是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的被动源数据互相关形成拟炮集记录的原理图;
图9是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的基于时频分析的信噪分离方法对原始被动源数据进行预处理的流程示意图;
图10是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的基于时频分析的信噪分离方法对拟炮集记录进行去噪的流程示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
图1是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的流程示意图。图2是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的简易流程示意图。图3是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的从原始数据中分离的背景噪声和突出的相干噪声事件示意图。图4是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的原始数据和分离的背景噪声及突出的相干噪声事件对应的时频谱。图5是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的原始数据相关形成的拟炮集记录(a)及其对应的频散曲线(b)的示意图。图6是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的原始数据经信噪分离预处理后互相关形成的拟炮集记录(a)及其对应的频散曲线(b)的示意图。图7是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的原始数据进行信噪分离预处理后再对其互相关形成的拟炮集记录进行去噪所形成的最终拟炮集记录(a)及其对应的频散曲线(b)的示意图。图8是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的被动源数据互相关形成拟炮集记录的原理图。图9是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的基于时频分析的信噪分离方法对原始被动源数据进行预处理的流程示意图。图10是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的基于时频分析的信噪分离方法对拟炮集记录进行去噪的流程示意图。
如图1至图10所示,根据本发明优选实施方式的一种在被动源地震数据中增强面波的处理方法,包括:步骤S1,对原始被动源数据进行信噪分离。步骤S2,对分离后的噪声进行互相关计算,重建各检波点间的格林函数,形成拟炮集记录,并且同时保留拟炮集记录中的因果和非因果部分。步骤S3,将拟炮集记录的因果与非因果部分作为一个整体,再次进行信噪分离。步骤S4,将处理后的拟炮集记录中的因果与非因果部分叠加,从而增强拟炮集记录中的面波信号,且提取拟炮集记录的频散曲线并进行反演。
在本发明的一实施方式中,对原始被动源数据进行信噪分离包括:去除突出的相干信号,且保留分离后的噪声。将拟炮集记录的因果与非因果部分作为一个整体,再次进行信噪分离包括:去除拟炮集记录中的噪声,增强有效的面波信号。
在实际应用中,本发明的在被动源地震数据中增强面波的处理方法,通过对原始被动源记录进行处理,分离突出的噪声源,有效增强了利用互相关重构的面波信号,提高了频散测量的精度,从而提升被动源面波勘探的分辨率。详细来说:基于时频分析的信噪分离方法是一种基于连续小波变换的自适应快速自动分离算法,该算法根据数据特征对地震数据中的主要成分分别进行阈值化,从而将地震数据中的信号和噪声分离。如图3展示了一段被动源原始数据(a)和经高分辨率时频分析信噪分离方法分离后的背景噪声(b)及突出的相干噪声事件(c),其各自对应的时频谱如图4所示,可以看出原始地震记录中突出的相干事件被有效分离,噪声分布更为均匀。
本发明提出了一种在被动源数据中增强面波的处理方法(如图1和图2所示),以提高对浅地表地下介质成像的分辨率,具体步骤如下:
1、首先对原始被动源数据进行信噪分离,去除突出的相干信号,保留分离后的噪声。
具体操作为:先进行预处理,将原始被动源数据y进行连续小波变换转换为小波尺度图,然后利用峭度准则和区分高斯与非高斯分布的高阶统计量准则(公式1)在尺度图中检测并去除纯粹由高斯噪声相关系数组成的尺度,该尺度为噪声和信号的组合:
其中Kurty为y的峭度,N为小波系数数量,α为置信度。N个数据的观测小波系数Wy的峭度Kurt由公式2计算得到:
式中Kurty为y的峭度,N为小波系数数量,和/>分别为小波系数Wy的估计标准差和均值。
然后基于广义交叉验证对预处理后的数据中的主要成分进行阈值化,广义交叉验证函数为:
其中Ty为预处理后的连续小波变换系数,是所使用阈值λ的阈值系数,N为小波系数数量,N0是所使用阈值λ归零的系数数量。
随后,对基于广义交叉验证阈值化后的数据再次进行连续小波变换,并使用硬阈值规则逐个尺度地对所有尺度的系数进行阈值化,阈值是使用公式4所示的通用阈值估计的。
其中λ为阈值,N为小波系数数量,σn=median(|Wy|)/0.6745。
最后对阈值化的数据进行连续小波变换的逆变换即可得到从原始数据y中分离出的突出的相干噪声ys,再从原始数据中减去突出的相干信号即可得到需要保留的噪声(公式5)。
yn=y-ys (5)
其中yn表示保留的噪声,y为原始的被动源数据集,ys为经上述处理步骤分离的突出的相干信号。
2、对所有分离后的噪声yn进行互相关计算,重建各检波点间的格林函数,形成拟炮集记录,并且同时保留拟炮集记录中的因果和非因果部分;
3、将拟炮集记录的因果与非因果部分作为一个整体的新的原始数据集y1,通过重复步骤1中的5个公式对数据y1再次进行信噪分离,去除拟炮集记录中的噪声,增强有效的面波信号;
4、最后将处理后的拟炮集记录中的因果与非因果部分叠加,进一步增强拟炮集记录中的面波信号,随后利用常规方法提取其频散曲线并进行反演,从而实现对地下介质的高分辨率成像。
根据上述处理方法,对一组实际的被动源地震数据进行了测试。
原始被动源地震数据进行互相关从而形成的某一拟炮集记录如图5(a)所示,拟炮集记录上选框内可见面波信号(箭头所指),但被强横轴能量所掩盖,其对应的频散曲线如图5(b)所示,频散错乱且不连续。
通过对原始数据进行信噪分离预处理后,利用分离的背景噪声形成的拟炮集记录如图6(a)所示,与图5(a)相比,预处理后的拟炮集记录上选框内面波同相轴(箭头所指)更加清晰,但仍被强横轴能量所掩盖,其对应的频散曲线(图6(b))较之图5(b)更加清楚且连续性更好,然而,拟炮集记录中的面波信号仍被强横轴能量所覆盖,仍需对拟炮集记录进行进一步的处理。
图7显示了对图6(a)的拟炮集记录进行信噪分离后产生的新的拟炮集记录及其对应频散曲线图。将图7(a)与图6(a)进行对比,可以看出,强横轴噪声被消除,面波信号得以凸显(箭头所指),且较之图6(b),图7(b)所示的频散更为清晰且连续,低频部分信息凸显。
图8是根据本发明一实施方式的在被动源地震数据中增强面波的处理方法的被动源数据互相关形成拟炮集记录的原理图。如图8所示,对分离后的噪声进行互相关计算形成拟炮集记录具体为:
假设在地层深处的瞬时点源与小波S(ω)在频域褶积,发出的波场被检波器rA和rB接收到,分别为u(rA,ω)和u(rB,ω)。在频率域中,互相关计算为:
C(ω)=u*(rA,ω)u(rB,ω) (6)
u(rA,ω)=S(ω)G(rA,ω) (7)
u(rB,ω)=S(ω)G(rB,ω) (8)
C(ω)=|S(ω)|2G(rA,ω)G*(rB,ω) (9)
基于时频分析的信噪分离方法是一种利用连续小波变换的自适应快速自动分离算法,该算法根据数据特征对地震数据中的主要成分分别进行阈值化。针对被动源地震数据,该方法主要进行了两个方面的应用,首先其可以作为一个预处理步骤对原始被动源数据进行处理,具体流程如图9所示。其次是作为一个去噪方法,对拟炮集记录进行去噪处理,具体流程如图10所示。
总之,本发明的在被动源地震数据中增强面波的处理方法,通过应用该方法对实际被动源数据进行处理,可以看出拟炮集记录上面波能量逐渐增强,频散曲线也更加清晰且连续,因此,该处理方法可以有效增强被动源地震记录中的面波信号,提高了对浅地表地下介质成像的分辨率。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (7)

1.一种在被动源地震数据中增强面波的处理方法,其特征在于,包括:
步骤S1,对原始被动源数据进行信噪分离;
步骤S2,对分离后的噪声进行互相关计算,重建各检波点间的格林函数,形成拟炮集记录,并且同时保留所述拟炮集记录中的因果和非因果部分;
步骤S3,将所述拟炮集记录的因果与非因果部分作为一个整体,再次进行信噪分离;以及
步骤S4,将处理后的所述拟炮集记录中的因果与非因果部分叠加,从而增强所述拟炮集记录中的面波信号,且提取所述拟炮集记录的频散曲线并进行反演。
2.如权利要求1所述的在被动源地震数据中增强面波的处理方法,其特征在于,所述步骤S1包括:去除突出的相干信号,且保留分离后的噪声。
3.如权利要求1所述的在被动源地震数据中增强面波的处理方法,其特征在于,将所述拟炮集记录的因果与非因果部分作为一个整体,再次进行信噪分离包括:去除所述拟炮集记录中的噪声,增强有效的面波信号。
4.如权利要求2所述的在被动源地震数据中增强面波的处理方法,其特征在于,去除突出的相干信号,且保留分离后的噪声包括:
步骤S11,将原始被动源数据y进行连续小波变换转换为小波尺度图,然后利用峭度准则和区分高斯与非高斯分布的高阶统计量准则公式1,在尺度图中检测并去除纯粹由高斯噪声相关系数组成的尺度,该尺度为噪声和信号的组合:
其中Kurty为y的峭度,N为小波系数数量,α为置信度;
N个数据的观测小波系数Wy的峭度Kurt由公式2计算得到:
式中Kurty为y的峭度,N为小波系数数量,和/>分别为小波系数Wy的估计标准差和均值。
5.如权利要求4所述的在被动源地震数据中增强面波的处理方法,其特征在于,去除突出的相干信号,且保留分离后的噪声还包括:
步骤S12,基于广义交叉验证对预处理后的数据中的主要成分进行阈值化,广义交叉验证函数为:
其中Ty为预处理后的连续小波变换系数,是所使用阈值λ的阈值系数,N为小波系数数量,N0是所使用阈值λ归零的系数数量。
6.如权利要求5所述的在被动源地震数据中增强面波的处理方法,其特征在于,去除突出的相干信号,且保留分离后的噪声还包括:
步骤S13,对基于广义交叉验证阈值化后的数据再次进行连续小波变换,并使用硬阈值规则逐个尺度地对所有尺度的系数进行阈值化,阈值是使用公式4所示的通用阈值计算的:
其中λ为阈值,N为小波系数数量,σn=median(|Wy|)/0.6745。
7.如权利要求6所述的在被动源地震数据中增强面波的处理方法,其特征在于,去除突出的相干信号,且保留分离后的噪声还包括:
步骤S14,对阈值化的数据进行连续小波变换的逆变换即能够得到从原始数据y中分离出的突出的相干噪声yS,再从原始数据中减去突出的相干信号即能够得到需要保留的噪声,公式5:
yn=y-ys (5)
其中yn表示保留的噪声,y为原始的被动源数据集,ys为经上述处理步骤分离的突出的相干信号。
CN202111190536.0A 2021-10-13 2021-10-13 在被动源地震数据中增强面波的处理方法 Active CN113805234B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111190536.0A CN113805234B (zh) 2021-10-13 2021-10-13 在被动源地震数据中增强面波的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111190536.0A CN113805234B (zh) 2021-10-13 2021-10-13 在被动源地震数据中增强面波的处理方法

Publications (2)

Publication Number Publication Date
CN113805234A CN113805234A (zh) 2021-12-17
CN113805234B true CN113805234B (zh) 2023-12-12

Family

ID=78897597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111190536.0A Active CN113805234B (zh) 2021-10-13 2021-10-13 在被动源地震数据中增强面波的处理方法

Country Status (1)

Country Link
CN (1) CN113805234B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115586575B (zh) * 2022-06-14 2024-01-30 中国地质大学(北京) 一种3d被动源拟炮集计算方法、系统、设备及存储介质
CN116299691B (zh) * 2022-11-25 2023-10-27 西南石油大学 一种基于f-k域的被动源面波成像方法及数据筛选方法
CN116577829B (zh) * 2023-05-15 2024-06-04 中国矿业大学(北京) 一种基于背景噪音频散曲线自动化提取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081168A (zh) * 2009-12-01 2011-06-01 中国石油天然气集团公司 一种提高地震数据处理中面波衰减性能的方法
CN103792572A (zh) * 2012-10-29 2014-05-14 中国石油化工股份有限公司 利用地震记录中的面波信息调查表层结构的方法
CN104614769A (zh) * 2015-02-05 2015-05-13 中铁隧道集团有限公司 一种压制地震面波的聚束滤波方法
CN106950600A (zh) * 2017-02-16 2017-07-14 中国石油大学(华东) 一种近地表散射面波的去除方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150177402A1 (en) * 2013-12-23 2015-06-25 King Fahd University Of Petroleum And Minerals Passive microseismic record first-break enhancement method
US11169293B2 (en) * 2016-12-13 2021-11-09 Cgg Services Sas Device and method for model-based deblending
US11880011B2 (en) * 2018-08-10 2024-01-23 University Of Houston System Surface wave prediction and removal from seismic data

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081168A (zh) * 2009-12-01 2011-06-01 中国石油天然气集团公司 一种提高地震数据处理中面波衰减性能的方法
CN103792572A (zh) * 2012-10-29 2014-05-14 中国石油化工股份有限公司 利用地震记录中的面波信息调查表层结构的方法
CN104614769A (zh) * 2015-02-05 2015-05-13 中铁隧道集团有限公司 一种压制地震面波的聚束滤波方法
CN106950600A (zh) * 2017-02-16 2017-07-14 中国石油大学(华东) 一种近地表散射面波的去除方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张华 ; 潘冬明 ; 张兴岩 ; .二维小波变换在去除面波干扰中的应用.石油物探.2007,(第02期),全文. *

Also Published As

Publication number Publication date
CN113805234A (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
CN113805234B (zh) 在被动源地震数据中增强面波的处理方法
Li et al. Weak signal detection using multiscale morphology in microseismic monitoring
Liu et al. A 1D time-varying median filter for seismic random, spike-like noise elimination
Jian et al. On the denoising method of prestack seismic data in wavelet domain
CN109581516B (zh) 曲波域统计量自适应阈值探地雷达数据去噪方法及系统
Sanchis et al. Enhanced local correlation stacking method
CN108983158B (zh) 一种基于Hankel矩阵奇异值分解的探地雷达噪声抑制方法
CN112213773B (zh) 一种地震分辨率提高方法及电子设备
CN110703332B (zh) 一种鬼波压制方法
FR2985818A1 (fr) Dispositif et procede d'estimation de decalages temporels
CN109425892B (zh) 地震子波的估计方法及系统
Tibi et al. Comparative Study of the Performance of Seismic Waveform Denoising Methods Using Local and Near‐Regional Data
CN112213784B (zh) 复杂地表地震数据一次处理快速静校正方法
CN111538086B (zh) 一种提高地震数据初至波质量的初至自动拾取方法
CN109212609A (zh) 基于波动方程延拓的近地表噪音压制方法
CN113030861B (zh) 一种时间反转和分数阶小波变换的水声信号检测方法
Rinehart et al. Using wavelet covariance models for simultaneous picking of overlapping P‐and S‐wave arrival times in noisy single‐component data
CN115481662A (zh) 一种旋转机械设备早期故障诊断方法
Jia et al. Time difference of arrival estimation of microseismic signals based on alpha-stable distribution
Sanchis et al. Multiple-input adaptive seismic noise canceller for the attenuation of nonstationary coherent noise
Feng et al. Transform learning in the synchrosqueezing frequency domain—A novel denoising strategy for optical fiber seismic records
Sriyanto et al. The performance of Butterworth and Wiener filter for earthquake signal enhancement: a comparative study
CN110764135A (zh) 不规则地震数据全频带重建方法
WO2024016572A1 (zh) 噪声识别方法、装置、设备及存储介质
CN112711074B (zh) 一种地震初至波的去噪方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant